Lindström - Small Data: spanish

En el ecosistema empresarial de hoy, el Big Data inspira niveles de devoción casi religiosos y Martin Lindstrom es un ateo.

Mientras que muchos escépticos son aburridos, Martin está lejos de serlo. Leer su libro es como sentarse a cenar con uno de aquellos famosos exploradores del siglo XIX , sir Richard Francis Burton, por ejemplo, recién regresado de algún viaje exótico repleto de sorprendentes observaciones e historias fantásticas. Hay un amplio mundo social descatalogado ahí fuera y Martin se da cuenta de todo... las casas rusas no tienen espejos, los dueños de los aspiradores robóticos Roomba suelen ponerle nombre, las ventanas de los hoteles americanos no se pueden abrir, culturas tan diversas como las de Arabia Saudí y Siberia recurren a los imanes de las neveras para transmitir importantes valores familiares.

Martin es cualquier cosa salvo un observador pasivo. Cuando llega al aeropuerto de un nuevo país, elige un taxi conducido por un extranjero para que le lleve a la ciudad, y emplea el viaje en interrogar al conductor sobre sus observaciones de los nativos. Señala que los extranjeros con frecuencia perciben la idiosincrasia de una cultura mejor que los nativos. Como extranjero visita a la gente real en sus hogares y observa lo que hacen y cómo dan forma a su espacio.

Martin no se sentó a escribir una crítica explícita del Big Data, sino que al mostrar las virtudes del Small Data pone de relieve algunos de los problemas de los que deberíamos ser conscientes cuando pensamos en el Big Data. Consideremos dos:

El Big Data no favorece la perspectiva. Las nuevas ideas provienen típicamente de la yuxtaposición, de la combinación de dos cosas que anteriormente no se habían combinado. Pero el Big Data vive típicamente en bases de datos que se definen muy superficialmente como para generar perspectiva. Cuando una firma explora el «Big Data» de sus clientes online, únicamente examina sus compras online. Con frecuencia esa base de datos no rastrea las compras que los clientes hacen en tiendas tradicionales (esa información se encuentra en bases de datos separados, celosamente guardadas por sus dueños), y ninguna base de datos está vinculada a información sobre los momentos en que se emite la publicidad de la compañía. El libro describe un avance en la experiencia de compra que desarrolló Martin para un distribuidor suizo que estaba intentando atraer la volátil atención de las chicas adolescentes; la solución de Martin surgió de triangular diarios temporales, registros telefónicos, entrevistas, diarios fotográficos personales y observaciones de compras en centros comerciales. Cuando el psicólogo Phil Tetlock estudió a los Superpronosticadores, personas que eran claramente superiores en predecir eventos políticos y económicos, halló que tenían una tendencia similar a explorar a través de fuentes de datos, en busca de una triangulación. Desafortunadamente nuestras bases de datos de «Big Data» no son en verdad «Big», se parecen menos a un atleta robusto fruto del entrenamiento cruzado que a un torpe empollón con una habilidad fragmentaria e ineficiente en todo lo demás. Son demasiado superficiales para crear la yuxtaposición que lleva a los avances.

El Big Data es datos, y los datos favorecen el análisis sobre la emoción. Es difícil imaginar a los datos capturando muchas de las cualidades que más valoramos: bello o sexy o asombroso o mono. Si los datos favorecieran las mejores decisiones emocionales, entonces los contables serían el paradigma cultural de los grandes amantes, y no los poetas. Kevin Roberts, de Saatchi y Saatchi, afirmaba que las grandes marcas tienen dos ventajas: (1) evocan respeto por su desempeño tecnológico, durabilidad, y eficiencia, y (2) evocan amor porque, pues... las amamos. Marcas como HP y Duracell son marcas de «respeto» y el Big Data puede con frecuencia ayudar a tomar decisiones que ayuden a aumentar el respeto (dado nuestro historial, ¿es probable que nuestros clientes se gasten un 20 por ciento más si fuéramos capaces de hacer que nuestras baterías durasen un 15 por ciento más?), pero marcas como Disney, Cheerios, Geek Squad, son respetadas y amadas y el Big Data es bastante incompetente en sugerir cómo aumentar el amor.

En un momento dado, los fabricantes de la aspiradora robótica Roomba le pidieron a Martin que les ayudara a superar una caída en ingresos. Martin se concentró en pequeños datos sobre las emociones. Siguió a los dueños de aspiradoras Roomba hasta sus hogares y observó cómo interactuaban con su máquina. Sorprendentemente, los dueños la trataban como a una mascota, le ponían nombre, se enorgullecían de enseñársela a sus invitados (¿cuándo fue la última vez que usted enseñó su aspiradora?). Cuando los dueños guardaban el Roomba, no lo metían en un armario, lo dejaban sobresaliendo de debajo del sofá, como si hubieran quedado congelados en medio de la acción.

Desafortunadamente, los líderes de Roomba se habían alejado de su factor «mono» inicial. Roomba se inspiró en R2D2, el famoso droide de La guerra de las galaxias , pero con el tiempo el diseño cambió, haciendo que el Roomba se pareciese menos a R2D2 y más a un electrodoméstico. En el primer modelo, el Roomba emitía sonidos; cuando chocaba accidentalmente contra la pared decía «ah-oh», pero en algún momento los sonidos se eliminaron por algún ingeniero en busca de un diseño más simple o de un gerente buscando costes más bajos. Vean en el capítulo 7 el inteligente consejo de Martin a los gestores de Roomba, inspirado en el automóvil más mono del mundo, el Mini Cooper de BMW, sobre cómo devolver la excitación emocional a su marca.

En resumen, el Big Data tiene problemas y Martin es exitoso al enseñar cómo el Small Data es esencial para superarlos.

He hablado sobre las muchas virtudes del libro, así que permítanme también enunciar un par de advertencias. El libro no debería leerse como un trabajo de ciencias sociales. Cuando Martin cita estadísticas, no siempre sé cuándo habla en serio y cuándo me está tomando el pelo (¿son rojos el 60 por ciento de los cepillos de dientes que se venden en el mundo? ¿De verdad emplean las adolescentes francesas el 80 por ciento de sus horas de vigilia pensando en lo que se pondrán hoy y mañana?). Y mientras que Martin es claramente un cuidadoso observador con frecuencia extrapola a grandilocuentes conclusiones que sospecho que son falaces (¿tenemos los americanos una aversión al conflicto que nos hace preferir las tartas redondas frente a las cuadradas? ¿Y el romper las reglas de las tartas al ofrecer tartas cuadradas incita a los clientes a que se salten su dieta?). Un estudiante de un máster en Antropología que se permitiese esa licencia de elucubrar mucho más allá de lo que sugieren los datos obtendría un suspenso.

Pero Martin es un explorador y un narrador, no un científico social, así que como lector estoy dispuesto a perdonarle sus excesos. Y eso es fácil de hacer porque con mucha frecuencia consigue dirigir a sus clientes en nuevas direcciones que son claramente mejores, como en el caso anteriormente mencionado de Roomba.

Aquí va otro de mis casos favoritos: en la década de 1990 las ventas de LEGO descendieron y los ejecutivos estaban asustados por los grandes estudios de investigación que mostraban que los nacidos en la era digital cada vez se distraían con mayor facilidad y buscaban la gratificación instantánea. Influidos por esta información, LEGO estaba considerando rebajar la dificultad de sus juguetes, haciendo que los juegos fueran más simples e incluso quizás aumentando el tamaño de sus icónicas piezas. Pero entonces el Small Data convenció a LEGO de hacer un viraje abrupto, dirigiéndose hacia la dirección opuesta, cuando los altos ejecutivos visitaron los hogares de sus jóvenes clientes y hablaron con ellos sobre sus pasatiempos y cómo empleaban su ocio. En la introducción, leerán cómo el «dato» crucial fue un viejo par de Adidas usadas por un patinador alemán de once años. Los líderes de LEGO finalmente aceptaron los deseos aspiracionales de los adictos que deseaban juegos que estuvieran a la altura de su talento, diseñando juegos más grandes con elementos más complejos.